参数检验与非参数检验
t 检验和方差分析假设数据近似正态、方差齐，样本量适中时效率更高；Wilcoxon、Kruskal-Wallis 等秩检验对偏态分布和离群值更稳健。实际选择看分布形态、样本量和是否存在明显异常值，而不是只看检验结果是否显著。
42个分析 Skill · Codar 生信插件
通用科研与数据服务 AI 分析
通用科研与数据服务覆盖各研究方向共用的环节：实验设计与假设梳理、表格数据整理、探索性统计与假设检验、临床随访数据的生存分析，以及文献检索、科研作图和报告撰写。在 Codar 里它还承担公共测序数据下载、nf-core 流程的比较与选择、文件格式转换与完整性校验，以及生物医学数据库检索。
通用科研与数据服务能回答哪些研究问题
- 这批随访数据怎么比较两组的总生存差异？
- 多因素 Cox 回归里该纳入哪些协变量？
- 两组连续变量该用 t 检验还是秩和检验？
- GEO、SRA 上的公共测序数据怎么批量下载？
- 同类分析有多个 nf-core 流程，该怎么选？
通用科研与数据服务分析流程
- 1
明确研究问题
把问题写成可检验的假设，先定好分组、终点指标和统计方法，避免事后反复更换检验方式。
- 2
整理原始数据
核对字段、单位和缺失值，统一样本命名；测序文件先校验完整性，再转换成下游需要的格式。
- 3
获取公共数据
本地文件直接读取，公共数据按登记号从 GEO、SRA 等库取回原始文件和样本元信息。
- 4
统计分析
先做描述统计和分布检查，再按设计选检验或回归；随访数据画 Kaplan-Meier 曲线并做 Cox 回归。
- 5
作图与成表
输出主图、统计表和图注，按目标期刊要求调整字号、配色和分辨率。
- 6
产出报告
把方法描述、结果和分析脚本整理成报告，需要时导出 Word、PPT 或 Excel 文件。
常用方法与怎么选
Kaplan-Meier 曲线与 Cox 比例风险模型
Kaplan-Meier 用于描述单因素下的生存概率随时间变化，配合 log-rank 检验比较组间差异；Cox 回归可同时校正多个协变量并给出风险比。使用 Cox 前应检查比例风险假设，不满足时考虑分层或时间依赖协变量。
多重比较校正：Bonferroni 与 FDR
Bonferroni 控制族错误率，结论保守，适合检验数量少、假阳性代价高的场景；Benjamini-Hochberg 等 FDR 方法控制错误发现比例，在组学这类成千上万次检验里更常用。校正方式应在分析前确定并在方法里写清。
标准化流程与自写脚本
nf-core 这类社区流程版本明确、参数记录完整，便于复现和在不同机器上重跑；自写脚本灵活，适合流程未覆盖的分析或探索阶段。常见做法是上游用标准流程，下游统计和作图用自己的脚本。
需要准备的数据
- 样本信息表（分组、协变量、随访与结局）
- 测序原始文件或表达矩阵
- 公共数据集登记号（GEO、SRA 等）
- 分析目标与期刊图表要求
能得到的结果
- 描述统计表与基线特征表
- 统计检验与回归结果表
- Kaplan-Meier 生存曲线图
- 可投稿的主图与图注
- 方法学描述与分析报告
- 可复现的分析脚本与环境说明
通用科研与数据服务插件包含的分析能力
共 42 项。启用插件后，Codar 会按任务自动选用，不需要逐个记住名称。
- API与外部系统集成
- 生信分析代理可靠性评测
- 生物医学知识图谱与RAG
- 数据库版本与分析结论漂移审计
- 临床研究报告
- 临床统计与生存分析
- 临床试验检索与方案设计
- 探索性数据分析与统计检验
- 生物信息文件格式转换与完整性校验
- 科研数据隐私与脱敏
- 科研表格数据处理
- Word 公式处理器
- Word 文档处理
- 科研证据评估
- 生物医学实验设计
- 图像生成助手
- 科研计算环境与工作流
- 实验仪器数据标准化
- 文献检索与科学写作
- 机器学习训练与评估
- MCP工具发现与故障处理
- Markdown 转 Word 工具
- 组学负对照与假阳性校准
- 术语与数据输出保真锁定
- PDF 文档处理
- PPT 生成器
- PPT 阅读器
- 公共组学多数据集研究设计与证据报告
- 生物医学数据库检索
- 科研问题与假设设计
- 科研可视化与报告
- 模型可解释性与SHAP分析
- 科研软件开发与测试
- Excel 工作簿处理
nf-core 标准流程（8 个）
- nf-core流程选择与比较
- nf-core-datasync流程
- nf-core-deepmodeloptim流程
- nf-core-demo流程
- nf-core-fetchngs流程
- nf-core-provenancereport流程
- nf-core-references流程
- nf-core-seqsubmit流程
在 Codar 里怎么用
- 1
切换到生信模式
在 Codar 左上角选择 Codar 生信。
- 2
启用「通用科研与数据服务」
在插件页找到「通用科研与数据服务」，安装或启用。
- 3
描述研究问题
用一句话写清数据和目标，确认分析方案后开始执行。
可以这样提问
帮我用 Kaplan-Meier 曲线和 Cox 回归分析这份临床随访数据，按治疗组比较总生存。
通用科研与数据服务常见问题
Kaplan-Meier 和 Cox 回归有什么区别？
Kaplan-Meier 是描述性方法，按组画出生存曲线，用 log-rank 检验比较组间差异，一次只看一个分组因素。Cox 回归是建模方法，能同时放入年龄、分期等协变量，输出风险比和置信区间。常见做法是两者配合：先用曲线展示，再用 Cox 校正混杂因素。
样本量很小的时候还能做统计检验吗？
可以做，但要更谨慎。样本少时方差估计不稳定，正态性难以判断，非参数检验往往更合适；效应量和置信区间比 p 值更有参考价值。此时应避免复杂的多因素模型，减少检验次数，并在讨论里把样本量作为局限写明。
用现成流程做上游分析，和自己写脚本比有什么好处？
现成流程的主要价值是可复现：版本、参数和中间文件都有记录，换机器重跑结果一致，投稿时也便于描述方法。自写脚本在流程没覆盖的分析上更灵活。两者并不冲突，关键是都保留完整的参数和环境信息。
其他生信插件
macOS 12+Mac
Windows 10+Windows